2026年Python数据分析笔试模拟题集

2026年Python数据分析笔试模拟题集一、选择题（共5题，每题2分，合计10分）题目1：在Python中，以下哪个库主要用于数据清洗和预处理？A.MatplotlibB.SeabornC.PandasD.Scikit-learn答案：C解析：Pandas是Python中用于数据分析的核心库，提供了数据结构（如DataFrame）和数据分析工具，广泛应用于数据清洗、筛选、转换等预处理任务。Matplotlib和Seaborn主要用于数据可视化，Scikit-learn主要用于机器学习模型训练与评估。题目2：假设有一个DataFrame`df`，其中包含列`'A'`和`'B'`，以下哪个方法可以计算两列的协方差矩阵？A.`df.cov()`B.`df.corr()`C.`df.var()`D.`np.cov(df['A'],df['B'])`答案：D解析：-`df.cov()`计算的是每两列之间的协方差，但返回结果与`np.cov()`的布局不同。-`df.corr()`计算的是相关系数矩阵。-`df.var()`计算的是每列的方差。-`np.cov(df['A'],df['B'])`使用NumPy计算两列的协方差矩阵，是最直接的方法。题目3：在处理缺失值时，以下哪种方法可能导致数据偏差？A.填充均值B.填充中位数C.删除缺失值D.填充众数答案：C解析：删除缺失值可能导致样本不均衡，尤其是当缺失值分布不均匀时，会影响后续分析的结果。填充均值、中位数或众数是常见的替代方法，但填充均值在数据分布偏斜时可能引入偏差。题目4：以下哪个函数可以用于计算Python列表的平均值？A.`max()`B.`min()`C.`sum()`D.`statistics.mean()`答案：D解析：-`max()`和`min()`分别计算最大值和最小值。-`sum()`计算总和，需除以长度才能得到平均值。-`statistics.mean()`直接计算平均值，是最简洁的方法。题目5：在数据可视化中，以下哪种图表最适合展示不同类别数据的分布比例？A.折线图B.散点图C.饼图D.柱状图答案：C解析：饼图适用于展示部分占整体的比例，如不同产品销售额占比。折线图适合时间序列数据，散点图适合探索变量关系，柱状图适合比较不同类别的绝对值。二、填空题（共5题，每题2分，合计10分）题目6：在Pandas中，使用`______`函数可以快速筛选出DataFrame中满足条件的行。答案：loc`或`iloc`解析：`loc`基于标签筛选，`iloc`基于索引筛选，两者常用于条件筛选。题目7：假设有一个Series`s=pd.Series([1,2,3,4])`，使用`______`方法可以计算其累积和。答案：cumsum解析：`s.cumsum()`返回一个新Series，其中每个元素是前缀和。题目8：在NumPy中，`np.array([1,2,3])`的维度（shape）是`______`。答案：`(3,)`解析：一维数组的维度是元组，元素个数表示长度。题目9：使用`matplotlib.pyplot`绘制直方图时，`plt.hist(data,bins=10)`中的`bins`参数表示______。答案：分箱数量解析：`bins`控制直方图的柱子数量，即数据分组的区间数。题目10：在机器学习中，交叉验证常用的方法有______和______。答案：k折交叉验证、留一法交叉验证解析：k折交叉验证将数据分为k份，轮流作为验证集；留一法交叉验证每次留一份作为验证集。三、简答题（共4题，每题5分，合计20分）题目11：简述Pandas中`groupby`方法的基本用法及其应用场景。答案：`groupby`方法用于对数据进行分组操作，通常与`agg`（聚合）、`sum`、`mean`等函数结合使用。基本用法：pythondf.groupby('列名').agg({'另一列名':'统计函数'})应用场景：-计算分组统计（如按地区统计销售额）。-对分组数据排序或过滤。-透视表操作的前置步骤。题目12：解释NumPy中`axis`参数的含义，并举例说明在`np.sum()`中的应用。答案：`axis`参数指定操作的维度方向：-`axis=0`：沿列方向操作（垂直方向）。-`axis=1`：沿行方向操作（水平方向）。-`axis=None`：对整个数组操作。示例：pythona=np.array([[1,2],[3,4]])np.sum(a,axis=0)#返回[4,6]（每列求和）np.sum(a,axis=1)#返回[3,7]（每行求和）题目13：在数据可视化中，折线图和散点图分别适用于哪些场景？答案：-折线图：适用于展示时间序列数据或连续变量的趋势变化，如股票价格、气温变化等。-散点图：适用于探索两个变量之间的关系，如身高与体重的关系、广告投入与销售额的关系等。题目14：什么是数据异常值（Outlier）？列举两种检测异常值的方法。答案：数据异常值是指与其他数据显著不同的数值，可能由错误测量、极端情况或噪声导致。检测方法：1.箱线图（IQR法）：通过四分位数范围（Q3-Q1）识别异常值，公式为：`Q1-1.5IQR`和`Q3+1.5IQR`外的点。2.Z-score法：计算数据与均值的标准化距离，通常|Z|>3视为异常值。四、编程题（共4题，每题10分，合计40分）题目15：假设有一个CSV文件`sales.csv`，包含以下列：`'Date'`（日期）、`'Product'`（产品）、`'Quantity'`（销量）。请用Pandas完成以下任务：1.读取文件，并将`Date`列转换为日期格式。2.按产品分组，计算每个产品的总销量。3.筛选出销量最高的产品，并按日期排序。答案：pythonimportpandasaspd1.读取文件并转换日期格式df=pd.read_csv('sales.csv',parse_dates=['Date'])2.按产品分组计算总销量total_sales=df.groupby('Product')['Quantity'].sum().reset_index()3.筛选销量最高的产品并按日期排序top_product=total_sales.loc[total_sales['Quantity'].idxmax(),'Product']df_top=df[df['Product']==top_product].sort_values('Date')print(df_top)题目16：使用NumPy生成一个10x10的随机矩阵（元素范围0-1），计算其主对角线元素的和。答案：pythonimportnumpyasnp生成随机矩阵matrix=np.random.rand(10,10)计算主对角线之和diagonal_sum=np.trace(matrix)print(diagonal_sum)题目17：使用Matplotlib绘制以下数据的折线图和散点图，并添加标题和坐标轴标签：-时间序列：`['2023-01','2023-02','2023-03']`-数值：`[120,150,130]`答案：pythonimportmatplotlib.pyplotasplt数据dates=['2023-01','2023-02','2023-03']values=[120,150,130]折线图plt.figure(figsize=(8,4))plt.plot(dates,values,marker='o',label='趋势')plt.title('2023年数据趋势')plt.xlabel('月份')plt.ylabel('数值')plt.legend()plt.grid()plt.show()散点图plt.figure(figsize=(8,4))plt.scatter(dates,values,color='red',label='散点')plt.title('2023年数据散点图')plt.xlabel('月份')plt.ylabel('数值')plt.legend()plt.grid()plt.show()题目18：假设有一个DataFrame`df`，包含列`'Category'`（类别）和`'Value'`（数值），请使用Seaborn绘制柱状图，并按类别排序，添加数值标签。答案：pythonimportpandasaspdimportseabornassnsimportmatplotlib.pyplotasplt示例数据data={'Category':['A','B','C','A','B'],'Value':[10,15,7,12,9]}df=pd.DataFrame(data)绘制柱状图plt.figure(figsize=(8,5))barplot=sns.barplot(x='Category',y='Value',data=df,order=df.groupby('Category')['Value'].sum().sort_values().index)plt.title('类别数值统计')plt.xlabel('类别')plt.ylabel('数值')添加标签forpin